tensorflow和pytorch 冲突吗 tensorflow与pytorch共存

python小白装tensorflow的心酸眼泪史

重装系统后：
win64+pycharm+python3.7（Anaconda）+cuda10.0+tensorflow1.13.1
win64+pycharm+python3.6.6+cuda9.0+tensorflow1.10.0

一般来说，下载安装的顺序为：

---

Created with Raphaël 2.2.0 期待地开始 python3.× pycharm tensorflow(pip方式) cuda cudnn 悲伤和激动地结束

几个我借鉴的教程

1. 【TensorFlow】Windows10 64 位下安装 TensorFlow - 官方原生支持：
2. windows下用pycharm安装tensorflow简易教程：
3. 解决Tensorflow 使用时cpu编译不支持警告：
4. 在已安装python3.7的环境基础上，安装Anaconda环境的完整教程
   
5. win10安装tensorflow-gpu1.13.1+cuda10.0+cudnn7.3.1
   

下载时用到的官方网站

1. 最重要的：一定一定要安装匹配的版本，在下网址中可以找到最新的互相匹配的版本
   https://github.com/fo40225/tensorflow-windows-wheel 需要注意的是，目前（2018.9.19）tensorflow尚不支持python3.7，因此需要rensorflow的小伙伴们可能需要卸载重装py 。
   下图为该网站截图，可看出对应的版本笔者根据对应版本tensorflow1.10.0+cuda9.2进行安装后，编译时仍提示版本不正确，于是又重新装回9.0。
   就此次坎坷的安装经历来看，安装cuda9.0是最为保险的方法了。

下载tensorflow的cmd指令为：

pip install tensorflow-1.6.0-cp36-cp36m-win_amd64.whl pip install tensorflow-gpu==1.13.1 通过国内镜像（豆瓣）下载
pip install -i https://pypi.doubanio.com/simple/ tensorflow-gpu==1.13.1 根据版本不同自行设置

2. 查询显卡信息、安装最新驱动：https://www.nvidia.cn/Download/index.aspx?lang=cn

此页面可自动检测当前gpu型号，如果页面显示未安装java的话，换一个浏览器或手动检测此页面可自动检测当前gpu型号，如果页面显示未安装java的话，可以换一个浏览器或者进行手动检测

3. cuda下载（注意版本）：**https://developer.nvidia.com/cuda-toolkit-archive

4. cudnn下载（需注册和填写问卷）：**https://developer.nvidia.com/rdp/cudnn-download

一些注意事项

1. 除版本问题外，cuda下载安装时，可以先把从官网上下载的exe文件用winrar解压，再用setup进行安装。这样可以节省时间（也可以直接双击安装，但系统会自动解压，如果安装出现问题重新安装，系统就会二次解压，浪费时间）
2. cuda安装时可以选择自定义安装，选择安装内容时可以点+号来查看当前电脑版本和cuda提供版本的高低，当电脑版本高于提供版本时，完全没有必要对该项进行安装 （笔者为了方便，没有改默认路径）
3. cuda不需要手动添加环境变量；cudnn需要，路径为解压后文件的bin目录
4. 将cudnn的文件夹复制粘贴至cuda的安装根目录下，笔者的为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0 5.2. 5.
5. 若Tensorflow使用时，出现cpu编译不支持警告：Your CPU supports
   instructions that this TensorFlow binary was not compiled to use: AVX AVX2，解决方式为——

// 只需复制粘贴第二句即可
`import os  os.environ["TF_CPP_MIN_LOG_LEVEL"]='1' # 这是默认的显示等级，显示所有信息  
os.environ["TF_CPP_MIN_LOG_LEVEL"]='2' # 只显示 warning 和 Error   
os.environ["TF_CPP_MIN_LOG_LEVEL"]='3' # 只显示 Error`

没错，就是忽略它…笔者也尝试过重新安装最新版本cuda，发现最新版本不支持，再次装回原版本后警告便消失了…这可能就是玄学吧

附上测试代码

非原创，原博客地址在这里~

// An highlighted block
import tensorflow as tf

with tf.device('/cpu:0'):
    a = tf.constant([1.0, 2.0, 3.0], shape=[3], name='a')

    b = tf.constant([1.0, 2.0, 3.0], shape=[3], name='b')

with tf.device('/gpu:1'):
    c = a + b

# 注意：allow_soft_placement=True表明：计算设备可自行选择，如果没有这个参数，会报错。

# 因为不是所有的操作都可以被放在GPU上，如果强行将无法放在GPU上的操作指定到GPU上，将会报错。

sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True, log_device_placement=True))

# sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

sess.run(tf.global_variables_initializer())

print(sess.run(c))

结果为：[ 2. 4. 6.]

pytorch

在anaconda建立新环境并激活

activate Pytorch_envs

从pytorch下载对应cuda版本

在新环境pip install这两个文件

最后验证是否成功

import torch
print(torch.__version__)
print(torch.cuda.is_avaiable())